公司网站宣传设计,html页面转WordPress文章,做网站要准备的资料,濮阳中强网站建设使用python绘制核密度估计图 核密度估计图介绍效果代码 核密度估计图介绍
核密度估计#xff08;Kernel Density Estimation#xff0c;KDE#xff09;是一种用于估计数据概率密度函数的非参数方法。与直方图不同#xff0c;KDE 可以生成平滑的密度曲线#xff0c;更好地… 使用python绘制核密度估计图 核密度估计图介绍效果代码 核密度估计图介绍
核密度估计Kernel Density EstimationKDE是一种用于估计数据概率密度函数的非参数方法。与直方图不同KDE 可以生成平滑的密度曲线更好地反映数据的分布情况。核密度估计图KDE 图通过将核函数通常是高斯核应用于每个数据点并将这些核函数的和作为密度估计来生成。
效果 代码
import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import gaussian_kde# 生成示例数据
data np.random.normal(0, 1, 1000) # 生成1000个符合正态分布的数据点# 使用高斯核密度估计
kde gaussian_kde(data)# 生成核密度估计的x值
x_vals np.linspace(min(data), max(data), 1000)
# 计算核密度估计的y值
y_vals kde(x_vals)# 绘制核密度估计图
plt.figure(figsize(8, 6))
plt.plot(x_vals, y_vals, labelKDE, colorblue)
plt.fill_between(x_vals, y_vals, alpha0.5)
plt.title(Kernel Density Estimation)
plt.xlabel(Data)
plt.ylabel(Density)
plt.legend()
plt.show()
